Regulatory Lessons for Internet Traffic Management from Japan, the European Union, and the United States: Toward Equity, Neutrality and Transparency
Notice bibliographique
Résumé
As network neutrality has been one of the most contentious Internet public policy issues of the past decade, this article provides a comparative overview of events, policies, and legislation surrounding Internet traffic management practises (ITMPs) (e.g., network neutrality) in Japan, the European Union, the United States, and Canada. Using the frame provided by Richard Rose of “hybrid lessons”to create a policy synthesis, the paper details the telecom policy environment, Internet Service provider competition, legislative jurisdiction, remedies for ITMPs, consumer transparency, and adherence to privacy protection in each country. The analysis focuses on Canada’s first significant regulatory effort to address network neutrality, which came during the Canadian Radio-television and Telecommunications Commission 2009 process on Internet traffic management. This paper presents a brief overview of the Canadian regulatory environment and the specific questions which were the subject of the CRTC review. Employing Richard Rose’s methods for comparative public policy analysis, we offer a number of regulatory “lessons” from Japan, the European Union, and the United States based on their experiences with traffic management issues. Applying these lessons to the Canadian context, we make several specific policy recommendations, among them that competition be encouraged within the Internet service provider space, that network management practises be reasonable and limited, and that ISPs provide full disclosure of network management policies and practises.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».